Dalam studi ini diperkenalkan model Regresi Runtun Waktu Semiparametrik dengan Campuran Aditif Fourier Spline (RRWS“CAFS) sebagai pendekatan inovatif untuk menganalisis data deret waktu dengan pola yang kompleks. Model ini menggabungkan fleksibilitas estimator spline dalam menangkap variasi nonlinier di seluruh sub-interval tertentu dan kekuatan deret Fourier dalam merepresentasikan pola yang berulang secara periodik. Dalam kerangka regresi semiparametrik, RRWS“CAFS mengintegrasikan komponen parametrik dan nonparametrik linier, dengan jumlah simpul dan osilasi optimal yang ditentukan menggunakan kriteria Validasi Silang Umum (GCV). Model ini dilatih dan diuji menggunakan data suhu permukaan bumi dari Badan Penerbangan dan Antariksa Nasional (NASA) MERRA-2 untuk Kalimantan Timur, Indonesia, wilayah hutan hujan tropis. Metodologi yang digunakan dalam penelitian ini melibatkan serangkaian langkah sistematis: pertama, pengumpulan data yang relevan; kemudian, pra-pemrosesan data; dan selanjutnya, pembagian data menjadi set pelatihan dan pengujian. Berbagai metode, termasuk pendekatan tradisional, teknik pembelajaran mesin, dan model RRWS“CAFS yang diusulkan, diterapkan untuk memodelkan data suhu permukaan Bumi dari dua lokasi: Samarinda dan Balikpapan. Arsitektur kerangka kerja disajikan pada Gambar 1.
Akhirnya diperoleh kesimpulan bahwa model RRWS“CAFS memberikan estimasi dan perkiraan yang lebih akurat dibandingkan dengan enam metode sebelumnya yang diusulkan dalam studi sebelumnya dengan prediksi yang sangat akurat. Inovasi ini tidak hanya menawarkan kemajuan metodologis dalam pemodelan deret waktu nonlinier, tetapi juga memberikan wawasan praktis dalam memahami variasi suhu permukaan Bumi di wilayah tropis, sehingga mendukung upaya yang lebih luas menuju mitigasi perubahan iklim global.
Penulis: Prof. Dr. Nur Chamidah, S.Si., M.Si.
Informasi lengkap (detail) dari penelitian ini dapat dilihat pada tulisan kami di laman:
Andrea Tri Rian Dani; Nur Chamidah; I Nyoman Budiantara; Budi Lestari; Dursun Aydin (2026). New Statistical Approach to Forecasting Earth™s Skin Temperature from MERRA-2 Satellite Using Semiparametric Time Series Regression with Mixed Additive Spline Fourier (STSR-MASF). forecasting, 8(1), 6, 1“29.
DOI: 10.3390/forecast8010006.
